Nedavna študija, objavljena v reviji Clinical Breast Cancer, je razkrila, da imajo globinski modeli učenja potencial, da služijo kot učinkovita napovedna orodja za napovedovanje napovedi raka dojke. Vodil jo je dr. Junqi Han in njegova ekipa iz Povezanega bolnišničnega centra Univerze v Qingdaou na Kitajskem, študija pa je dokazala uspeh modela, ki združuje podatke iz mamografije, ultrazvočnih slik in drugih značilnosti pri natančnem napovedovanju preživetja brez bolezni pri bolnikih z rakom dojke.
Raziskovalci so poudarili izboljšanje uspešnosti združenega modela, ki uporablja tako mamografijo kot ultrazvočne slike v primerjavi z uporabo posameznih slikovnih modalitet samih. Radiologi s pomočjo umetne inteligence in tehnik globokega učenja raziskujejo nove možnosti za razvoj diagnoze in napovedovanje raka dojke.
V tej študiji je ekipa zbrala podatke 1.242 bolnikov med letoma 2013 in 2018 ter jih razdelila na skupine za usposabljanje in testiranje. Uporabili so modele globokega učenja s pomočjo ResNet50 in integrirali klinične podatke ter slikovne značilnosti za izbor neodvisnih prognostičnih dejavnikov ter vzpostavitev kliničnega modela.
Razvili so skupno pet modelov: modelsko učenje ultrazvoka, modelsko učenje mamografije, modelsko učenje ultrazvoka in mamografije, klinični model in kombinirani model. Raziskovalci so ugotovili, da je kombinirani model, ki vključuje slike iz obeh modalitet skupaj s patološkimi, kliničnimi in radiografskimi značilnostmi, kazal najvišjo napovedno uspešnost med analiziranimi modeli.
Vredno je omeniti, da je nekatere patološke in klinične značilnosti mogoče pridobiti šele po operaciji. Zato ima kombinirani model pomembno vlogo pri napovedovanju napovedi po operaciji. Študija je prav tako poudarila dopolnilno naravo ultrazvoka in mamografije pri slikanju dojk, pri čemer ultrazvok uporabljamo za opazovanje oblike in značilnosti lezij, mamografijo pa za identifikacijo kalcifikacij.
Čeprav študija prinaša obetavne rezultate, avtorji pozivajo k zunanji validaciji v prihodnjih raziskavah, da bi ocenili napovedno učinkovitost in splošno uporabnost modelov. Kljub temu ima uporaba globinskih modelov učenja velik potencial za izboljšanje napovedovanja napovedi raka dojke in nazadnje izboljšanje rezultatov pacientov.
Pogosta vprašanja o napovedi raka dojke in globinskih modelih učenja:
The source of the article is from the blog xn--campiahoy-p6a.es